Opencv4 -Python官方教程学习笔记6---图像基本操作

目标

学会： - 访问像素值并修改它们 - 访问图像属性 - 设置感兴趣区域(ROI) - 分割和合并图像

本节中的几乎所有操作都主要与Numpy相关，而不是与OpenCV相关。要使用OpenCV编写更好的优化代码，需要Numpy的丰富知识。

访问和修改像素值

让我们先加载彩色图像：

import numpy as np
import cv2 as cv
path = r'D:\PYTHON\timg.jpg'  #不能有中文路径
img = cv.imread(path)

通过行和列坐标来访问像素值。对于 BGR 图像，它返回一个R,G,B组成的数组。当然也可以只返回一个通道的数值。

#返回三通道的数组
px = img[100,100]
print(px)

#单通道
a = img[100,100,1]
print(a)

可以用这种方式修改某一点的像素值，简单地访问每个像素值并对其进行修改将非常缓慢，因此不建议使用。

# 修改像素值
img[100,100] = [255,255,255]
print( img[100,100] )

可以用numpy的方式修改像素值

img.item(10,10,2)
img.itemset((10,10,2),100)
c = img.item(10,10,2)
print(c)

访问图像属性

图像属性包括行数，列数和通道数，图像数据类型，像素数等。

print(img.shape)      #行列通道数
print(img.size)       #像素总数
print(img.dtype)      #数据类型

图像感兴趣区域ROI

使用Numpy索引再次获得ROI。在这里，我要选择并将其复制到图像中的另一个区域：

cc = img[280:340, 330:390]
img[273:333, 100:160] = cc 
cv.imshow('img',img)

结果

拆分和合并图像通道

这里有两种方式拆分和合并图像通道，一种为直接使用opencv的内置函数，另一种为使用numpy索引

#拆分和合并图像通道
b,g,r = cv.split(img)
# cv.imshow('b',b)
img = cv.merge((b,g,r))
#使用numpy索引
b = img [:, :, 0]
#让所有0通道的像素值都为0
img [:, :, 0] = 0

为图像设置边框

如果要在图像周围创建边框（如相框），则可以使用cv.copyMakeBorder()。但是它在卷积运算，零填充等方面有更多应用。此函数采用以下参数：
src - 输入图像
top，bottom，left，right 边界宽度（以相应方向上的像素数为单位）
borderType - 定义要添加哪种边框的标志。它可以是以下类型：
cv.BORDER_CONSTANT - 添加恒定的彩色边框。该值应作为下一个参数给出。
cv.BORDER_REFLECT - 边框将是边框元素的镜像，如下所示： fedcba | abcdefgh | hgfedcb
cv.BORDER_REFLECT_101或 cv.BORDER_DEFAULT与上述相同，但略有变化，例如： gfedcb | abcdefgh | gfedcba
cv.BORDER_REPLICATE最后一个元素被复制，像这样： aaaaaa | abcdefgh | hhhhhhh
cv.BORDER_WRAP难以解释，它看起来像这样： cdefgh | abcdefgh | abcdefg
value -边框的颜色，如果边框类型为cv.BORDER_CONSTANT
下面是一个示例代码，演示了所有这些边框类型，以便更好地理解：

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv.imread('opencv-logo.png')
replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()

结果